文章介绍了一种基于多个微型飞行器的自主动作捕捉系统，该系统采用主动协同检测和跟踪方法，以实现最优的视角配置，从而最小化被追踪人的 3D 位置估计的不确定性，并采用 Gauss 观测模型和外部控制输入等方法进行了多项实验和模拟比较。

Jan, 2019

通过提供包括模拟图像和真实图像的多种场景、多种微型飞行器类型和多种视角的多微型飞行器多领域 (M3D) 数据集，在众多领域上提出了一个新的基准，通过基于伪标签的框架和一个由大到小的训练过程提出了一个噪声抑制网络 (NSN)。通过大量的实验结果验证了所提出方法在各项任务中的优越性能评估。

Mar, 2024

提出一种基于学习的自适应速度辅助导航滤波器，通过生成特征值以调整瞬时系统噪声协方差矩阵，以提高滤波器性能。

Oct, 2022

使用无人机侦测领域中的独立成分分析（ICA）机器学习方法可以有效地探测各种声音信号，包括来自鸟类、飞机、雷暴、雨、风和无人机等，并通过功率谱密度（PSD）和 PSD 的 RMS 值检测其是否为业余无人机，是一种在多声源干扰下探测一个或多个业余无人机的独特技术。

Feb, 2020

本文研究了如何使用单一相机感知环境，利用模仿学习技术训练控制器以适应无人机飞行方向，实现低空自主飞行并避开障碍物。

Nov, 2012

提出了一种全新的端到端方法，利用卷积神经网络将嘈杂的传感观测直接映射到避撞轨迹，从而实现四旋翼的高速自主飞行。在模拟训练中，该方法可以实现从模拟到真实环境的零 - shot 迁移，成功地使四旋翼在森林、雪地、脱轨的火车和倒塌的建筑物等复杂环境中高速自主飞行，并优于传统方法。

Oct, 2021

利用信号处理和机器学习方法，通过对全面振动分析数据的分析，以确定在飞行前后运行过程中叶片缺陷的存在，为未来智能城市的关键基础设施部分 —— 无人机，提供了恒定的监控以确保其可靠性。

Apr, 2024

全球局部微型空中获得器以独特方式结合了运动和外观特征，提高了微型空中车辆（MAV）的检测准确性，并在具有挑战性的条件下实现了高效的检测。

Dec, 2023

本文提出了基于低成本四轴飞行器及单目相机的半稠密 SLAM 系统的自主微型航空器导航和探索方法，旨在解决之前假定稠密地图信息的探索方法无法直接应用于纹理缺失区域的挑战。

Sep, 2016

本文介绍使用 8 个麦克风的时间延迟到达估计法在三维空间中实现机器人对不同类型声源的实时定位，能够在 3 米范围内，3 度的精度内快速响应，以补充视觉对环境中感兴趣人或事件的本地化。

Feb, 2016